Ingénieur Deep Learning – Reliability & Predictive Maintenance

Le Centre de Mathématiques Appliquées (CMAP) est un laboratoire de recherche en mathématiques appliquées, qui a pour objectif le développement et l’exploration des mathématiques en liaison avec les applications. L’ouverture du CMAP à d’autres disciplines (physique, mécanique, chimie, finance…), la variété et la complexité de ses thèmes de recherche permettent à ses équipes (80 chercheurs permanents, doctorants, nombreux visiteurs et chercheurs invités) d’explorer et d’initier des thématiques nouvelles. L’essence des recherches au CMAP obéit au cycle : modélisation, analyse mathématique, simulations numériques, visualisation puis raffinement de la modélisation. Chaque étape de ce cycle utilise les compétences des membres du laboratoire.

Le Département des mathématiques appliquées (DepMAP) participe à l'ensemble des enseignements de mathématiques appliquées de l'École polytechnique en lien étroit avec le Centre de Mathématiques Appliquées (CMAP), soit un effectif d’environ 70 enseignants. Le DepMAP et CMAP sont associés à une dizaine de chaires d’enseignement-recherche et d’initiatives de recherche financées par du mécénat.

La Chaire IAMP propose un contrat de 18 mois pour un(e) ingénieur(e) de recherche hautement qualifié(e) et motivé(e), désireux(se) de contribuer à des travaux de pointe à l’intersection de l’intelligence artificielle, de l’analyse de données et du génie des systèmes industriels.
Le ou la candidat(e) retenu(e) participera au développement de méthodes et de logiciels innovants fondés sur les algorithmes d’apprentissage profond et de transfert, visant à améliorer la détection, le diagnostic, la pronostic et la maintenance prédictive des systèmes industriels complexes.

Le projet s’inscrit plus particulièrement dans le domaine de la maintenance prédictive des batteries au plomb, en collaboration avec Europorte et l’École polytechnique.
Début 2026, un banc d’essai expérimental sera déployé afin d’acquérir des données de haute qualité sur le comportement des batteries, à la fois dans des conditions opérationnelles réelles et dans un cadre de laboratoire contrôlé. L’ingénieur(e) de recherche sera pleinement impliqué(e) dans la conception et la mise en œuvre du processus d’acquisition de données, la configuration et la validation de l’infrastructure expérimentale, ainsi que dans le développement des outils d’analyse et des modèles d’apprentissage automatique permettant d’extraire des indicateurs fiables de l’état de santé des batteries.

Ce projet constitue une étape clé vers le développement d’approches hybrides et basées sur les données, intégrant à la fois des modèles physiques et d’intelligence artificielle, pour l’estimation de l’état de santé (State of Health, SOH) et l’amélioration des méthodes de Prognostics and Health Management (PHM). Il combine conception expérimentale, ingénierie des données, modélisation et valorisation scientifique au sein d’un cadre cohérent visant à produire des résultats exploitables et des outils concrets pour la maintenance prédictive.

A ce titre, vous assurez les missions principales suivantes :

• Participer à la conception et à la mise en œuvre du banc d’essai expérimental ainsi qu’à son système d’acquisition de données.
• Développer des algorithmes et logiciels innovants basés sur l’apprentissage profond et par transfert pour des applications de maintenance prédictive et de gestion de santé des systèmes.
• Réaliser des analyses de données, de l’extraction de caractéristiques et le développement de modèles afin d’améliorer les capacités de détection, de diagnostic et de pronostic.
• Publier les résultats de recherche dans des revues scientifiques et conférences internationales de haut niveau.
• Accompagner et collaborer avec les étudiants de master et les doctorants impliqués dans le projet.
• Encadrer des stagiaires et superviser des projets scientifiques collectifs, en contribuant à une dynamique de recherche collaborative et innovante.
• Participer au développement de nouvelles approches pédagogiques dans le domaine de l’apprentissage statistique, de l’intelligence artificielle et de leurs applications industrielles.
  
  
  Ce poste est à pourvoir à Palaiseau (Essonne) par voie de détachement ou par voie contractuelle.
  

Nous sommes faits pour vous car :
 
Vous intégrerez une institution de réputation mondiale et découvrirez une diversité de métiers et des perspectives de carrières. Vous rejoindrez ainsi un écosystème d’innovation unique.
 
Les missions que nous confions à nos collaborateurs sont ainsi profondément inscrites dans l’ADN de l’École et de ses racines humanistes : se mettre au service de l’intérêt général par la recherche du progrès économique, technologique et sociétal.
 
Dans cet esprit de responsabilité, l’École polytechnique s’engage activement dans une démarche de développement durable et de responsabilité sociétale. La défense de l’égalité des chances, la promotion de la diversité sous ses différentes formes et la réduction de l’impact environnemental sont placés au centre des ambitions stratégiques de l’École.

Vous bénéficierez des avantages suivants :

• 25 jours de congés + 18 RTT
• Télétravail en fonction du poste
• Remboursement du titre de transport à hauteur de 75%
• Des services (restaurant d’entreprise, bibliothèque, Musée de l'X, service postal, coiffeur)
• Services de santé : kinésithérapeute, ostéopathe gratuit...
• Équipements sportifs (piscine, courts de tennis, salle de sport...)
• Mutuelle collective (sauf cas de dispense) prise en charge à 50%

Rémunération : fonctionnaires : selon les conditions statutaires (grille indiciaire et IFSE correspondant à l’emploi) ou contractuels : en fonction de l'expérience professionnelle sur des postes de niveau équivalent.

L’École polytechnique s’engage à un recrutement favorisant l’égalité, la diversité et l’inclusion. Toutes les candidatures sont étudiées sans aucune distinction (âge, handicap, sexe, nationalité, religion, orientation sexuelle…).

Vous êtes notre perle rare car :

Vous êtes titulaire d’un doctorat en apprentissage statistique, machine learning ou deep learning idéalement appliqué à des problématiques industrielles ou d’ingénierie.

Vous excellez dans la transformation de données complexes en modèles robustes et opérationnels, et vous aimez relever des défis techniques à fort impact.